以下文章来源于AI in Graph ,作者AI in Graph
传统药物发现方法存在周期长、成本高的问题。近年来,以AlphaFold为代表的人工智能系统在生命科学领域取得重大突破,推动了人工智能技术在药物研发上的应用。近年来,深度学习、自然语言处理和知识图谱等人工智能技术广泛应用于药物发现多个环节,深刻改变了药物发现的方法和途径,极大提高药物发现效率、缩短开发进程,形成AI for Science的典型范式。
2022中国人工智能系列白皮书之《人工智能与药物发现》,系统地总结了目前国内外人工智能与药物发现领域的最新研究成果,探讨了人工智能技术在药物发现领域的应用中所面临的机遇与挑战,展望了未来的发展方向。
截至目前,中国人工智能学会已发布32本白皮书、1本蓝皮书,1本绿皮书。CAAI系列AI皮书汇聚了各个领域资深学者的前沿研究和创新企业的实践经验,旨在抢抓新一轮产业革命机遇,促进人工智能技术创新和产业应用,为相关企业智能化转型升级提供专业指导,助力智能科技创新生态建设和相关政策完善,化解市场环境变化带来的冲击。
本书编写组
(*按姓氏排序)
何松、李昊、刘琦、刘世超、宋弢、施建宇、涂仕奎、魏乐义、辛弘毅、曾湘祥、章文
全书统稿:章文
主要内容
- 第1章 《人工智能与肿瘤靶点识别》介绍了人工智能技术在多组学分析、引导发现肿瘤靶点以及癌症发生发展的机制中的趋势、挑战及应用。
- 第2章 《人工智能与苗头化合物筛选》介绍了化合物筛选和寻找苗头化合物的过程,以及目前基于深度学习的化合物-蛋白质相互作用预测方法的趋势、挑战及应用。
- 第3章 《人工智能与药物从头设计》介绍了当前深度生成模型在从头药物设计和发现具有启发性的小分子和大分子结构中的趋势、挑战及应用。
- 第4章 《人工智能与药物重定位》介绍了以靶点、疾病为中心的人工智能技术在药物重定位研究中的趋势、挑战及应用。
- 第5章 《人工智能与药物属性预测》介绍了人工智能技术在多肽药物的生物活性、毒性等属性预测中的趋势、挑战及应用。
- 第6章 《人工智能与药物相互作用预测》介绍了现有的基于人工智能的药物相互作用预测方法在建模、分析和解释过程中的应用前景。
- 第7章 《药物发现中的大规模预训练模型》介绍了小分子药物表征学习的预训练模型构建、应用,以及对人工智能药物设计领域的促进作用。
- 第8章 《药物发现中的可解释人工智能模型》介绍了药物发现场景中的可解释人工智能方法,以及如何帮助药物学家高效地处理海量数据,做出合理决策。
该白皮书为学界和产业界开展人工智能药物发现相关工作提供借鉴,有利于推动我国人工智能与生命科学领域的交叉融合。白皮书下载地址:https://caai.cn/index.php?s=/home/article/detail/id/2236.html
白皮书编者介绍
(*按姓氏排序)
4000520066 欢迎批评指正
Copyright © 1996-2019 SINA Corporation
All Rights Reserved 新浪公司 版权所有
All Rights Reserved 新浪公司 版权所有